Skip to content
简体中文

切换主题

// ⬡ 深度学习基础

批归一化

把每层输出按一个 batch 标准化,让深网络更好训练。

Batch Normalization 2015 基础 核心

通俗解释

对每个通道减去 batch 均值、除以标准差,再学一个缩放和偏移。训练更稳、可用更大学习率,是 CNN 时代的标配。

用在哪里:ResNet 等 CNN

时间轴 · 前置 → 当前 → 后继

1986 反向传播2015 批归一化2015 残差网络2016 层归一化

01原始论文

Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift

Sergey Ioffe, Christian Szegedy · 2015

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

先学

批归一化

学完可以学

相关:RMSNorm

反向传播层归一化残差网络RMSNorm 批归一化

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

所在学习路线:从零到深度学习

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)